一种考虑电机间振动影响的电机轴承故障诊断方法

• 作者: 陈少锋 黄玉龙
• 来源期刊: 新型工业化
• 关键词: 滚动轴承 故障诊断 小波包分解 BP神经网络 支持向量机
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 设计与研究
• 页码范围: 69-76
• 页数: 8页
• 字数: 5058字
• 语种: 中文
• DOI: 10.19335/j.cnki.2095-6649.2017.10.011

摘要

为了提高电机滚动轴承故障诊断的诊断效率,对电机滚动轴承振动信号进行八层小波包分解与重构,并计算每个节点的能量,然后以每个节点的能量作为特征分别利用BP神经网络和支持向量机两种方式进行故障模式识别.在MATLAB中进行仿真后表明,对于八层256个节点能量,在不断减少节点能量输入数量的情况下,调整好隐含层神经元个数的BP神经网络的故障识别效果优于支持向量机,并且表现的更加稳定.为了模拟电机间的振动相互影响并进行诊断,进一步用上述方法对叠加了正常振动数据后的电机轴承振动数据再次进行故障诊断,发现此方法仍然适用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄玉龙	暨南大学电气自动化研究所	8	32	3.0	5.0
2	陈少锋	暨南大学电气自动化研究所	1	2	1.0	1.0